Wenn wir über die Erkenntnisse nachdenken, die während der „Snowday“-Veranstaltung am 1. und 2. November geteilt wurden, erwartet uns eine Fülle spannender Einblicke in die Zukunft von Snowflake.
Dieser Artikel befasst sich eingehend mit den bemerkenswerten data -Funktionen, die während der Veranstaltung vorgestellt wurden, und beleuchtet die Innovationen und Fortschritte, die im Mittelpunkt standen.
Begleiten Sie uns auf dieser Reise, während wir die Höhepunkte der Snowdays beleuchten, wobei wir uns insbesondere auf die neuesten Funktionen im Bereich data konzentrieren, wie zum Beispiel:
Die wichtigsten Funktionen von Snowflake Cortex
Ein Überblick über die GenAI- und LLM-Funktionen in Snowflake
Funktionen von Sprachmodellen (LLM) (einige Modelle sind öffentlich zugänglich, während sich andere noch in der privaten Vorschau befinden)
LLMs sind eine neue Art von AI , die Texte generieren, Sprachen übersetzen, verschiedene Arten von kreativen Inhalten verfassen und Ihre Fragen informativ beantworten können. Dank der neuen LLM-Funktionen von Snowflake gehört die Plattform zu den erstendata , die Nutzern Zugang zu dieser leistungsstarken neuen Technologie bieten.
Dies unterscheidet Snowflake von anderendata , da es Snowflake-Nutzern einen erheblichen Vorteil bei der Entwicklung von AI verschafft. Mit Snowflake Cortex können Nutzer nun auf einfache Weise AI erstellen, die eine Vielzahl von Aufgaben ausführen können, wie beispielsweise die Erstellung reports, die Aufdeckung von Betrugsfällen und die Vorhersage des Kundenverhaltens.
Hier sind einige konkrete Anwendungsfälle für die LLM-Funktionen von Snowflake:
Erweiterte Suchfunktionen (in der privaten Vorschau)
Dank der neuen erweiterten Suchfunktionen von Snowflake können Nutzer die data einfacher denn je finden, unabhängig davon, wo diese gespeichert sind. Dies ist ein wesentlicher Vorteil gegenüber anderendata , die in der Regel über eingeschränktere Suchfunktionen verfügen.
Konkret bieten die neuen Suchfunktionen von Snowflake den Nutzern folgende Möglichkeiten:
Diese erweiterten Suchfunktionen können Nutzern helfen, Zeit zu sparen und bei der Arbeit mit data produktiver zu sein. So könnte beispielsweise ein data die neuen Suchfunktionen nutzen, um schnell alle data zu finden, data für ein bestimmtes Analyseprojekt relevant sind. Oder ein Geschäftsanwender könnte die neuen Suchfunktionen nutzen, um alle data zu finden, data sich auf einen bestimmten Kunden oder ein bestimmtes Produkt beziehen.
Ganz zu schweigen davon, dass die Verwendung der verschiedenen Filterfunktionen, die diese Suchfunktionen bieten (Spaltenbenennung, Tagging, Metadatenangaben), zu einer höheren data führt.
Abschließend sei angemerkt, dass dies einen zentralen Aspekt von data betrifft. Angesichts der mit der Implementierung eines data verbundenen Herausforderungen ist der Einsatz dieser in Snowflake integrierten Funktion besonders attraktiv.
SQL-Befehle für Stimmungsanalyse und Zusammenfassung (in der privaten Vorschau)
Die neuen SQL-Befehle von Snowflake für die Stimmungsanalyse und Zusammenfassung ermöglichen es Anwendern, auf einfache Weise Erkenntnisse aus ihren data zu gewinnen, data sich in neue Tools oder Sprachen einarbeiten zu müssen. Dies ist ein wesentlicher Vorteil gegenüber anderendata , bei denen Anwender für diese Aufgaben in der Regel separate Tools verwenden müssen.
Konkret ermöglichen die neuen SQL-Befehle von Snowflake den Benutzern Folgendes:
Diese neuen SQL-Befehle können Anwendern helfen, Zeit zu sparen und bei der Arbeit mit data produktiver zu sein. So könnte ein Geschäftsanwender die neuen SQL-Befehle beispielsweise nutzen, um die Stimmung in Kundenbewertungen schnell zu analysieren oder einen langen und komplexen Bericht zusammenzufassen.
Snowflake Copilot (in der privaten Vorschau)
Es handelt sich um einen LLM-basierten Assistenten, der SQL-Anweisungen mithilfe natürlicher Sprache generiert und verfeinert. Darüber hinaus wird diese Text-zu-Code-Funktionalität in Kürze programmgesteuert über eine universelle Funktion namens „Text2SQL“ in Snowflake Cortex verfügbar sein.
Data aus Dokumenten mit Document AI in der privaten Vorschau)
AI von LLM unterstützte Document AI von Snowflake Cortex ermöglicht die effiziente Extraktion von data verschiedenen Dokumenttypen (PDF, Word, TXT, Screenshots) und spart so Zeit und Ressourcen bei data manuellen data .
Insgesamt sind die neuen Funktionen von Snowflake sehr beeindruckend und haben das Potenzial, die Art und Weise, wiedata genutzt werden, grundlegend zu verändern.
Snowflake hebt sich deutlich von der Konkurrenz ab, indem es innovative Funktionen bietet, die es den Nutzern erleichtern, AI zu entwickeln und bereitzustellen, data zu finden, ML-Funktionen zu verwalten und ML-Modelle zu teilen. Außerdem macht es Snowflake den Nutzern einfacher, Erkenntnisse aus ihren data zu gewinnen, data neue Tools oder Sprachen erlernen zu müssen.
Feature Store (in der privaten Vorschau)
Ein Feature Store ist ein zentraler Speicherort für die Verwaltung und gemeinsame Nutzung von Machine-Learning-Features. Der neue Feature Store von Snowflake erleichtert es Anwendern, ML-Modelle zu entwickeln und bereitzustellen.
Dies unterscheidet Snowflake von anderendata , da es den Nutzern eine zentrale Anlaufstelle für die Verwaltung all ihrer ML-Funktionen bietet. Dadurch können Nutzer Zeit sparen und die Effizienz ihres ML-Entwicklungsprozesses steigern.
Hier sind einige konkrete Anwendungsfälle für den Feature Store von Snowflake:
Modellfreigabe
Die Möglichkeit, ML-Modelle über Snowflake zu teilen, ist ebenfalls ein wesentliches Alleinstellungsmerkmal. Dies wird die Zusammenarbeit bei ML-Projekten erleichtern und den Zugang zu ML für alle ermöglichen.
Insbesondere ermöglicht Snowflake den Nutzern, ML-Modelle mit anderen zu teilen, sowohl innerhalb als auch außerhalb ihres Unternehmens. Dies kann dazu beitragen, die Entwicklung und Einführung von ML-Anwendungen zu beschleunigen.
Hier sind einige konkrete Anwendungsfälle für die Modellfreigabefunktion von Snowflake:
Snowflake-Notizbücher (in der privaten Vorschau)
Snowflake Notebooks, eine speziell für die Entwicklung und Ausführung von Code konzipierte cloud Umgebung, weisen Ähnlichkeiten mit Notebooks auf, die bereits seit mehreren Jahren auf anderendata verfügbar sind. Databricks war der Vorreiter auf diesem Gebiet, und BigQuery folgte diesem Beispiel mit seiner Ankündigung am 31. August. Diese Notebooks wurden sorgfältig entwickelt, um die Leistung innerhalb des Snowflake-Ökosystems zu optimieren.
Snowflake Notebooks bieten gegenüber herkömmlichen IDEs eine Reihe von Vorteilen, darunter:
Snowflake Notebooks befinden sich derzeit in der Beta-Phase, sollen aber in naher Zukunft für die breite Öffentlichkeit verfügbar sein.
Was Snowflake als Entwicklungsumgebung für maschinelles Lernen von anderen unterscheidet, ist die Tatsache, dass es aus Python-APIs besteht, auf die über die Snowpark-ML-Bibliothek zugegriffen werden kann, sowie aus SQL-Schnittstellen zur Definition, Verwaltung und Abfrage von Merkmalen, ergänzt durch eine verwaltete Infrastruktur für die Verwaltung von Merkmalsmetadaten und die kontinuierliche Merkmalsverarbeitung. Dadurch entfällt der Bedarf an spezialisiertem AI . Darüber hinaus ermöglichen der Feature Store und die Funktionen zur gemeinsamen Nutzung von Modellen Snowflake, effektiver zu seinen Konkurrenten aufzuschließen, insbesondere zu Databricks, das in den letzten Jahren aufgrund seiner Integration mit ML Flow offensichtlich die Oberhand hatte.
Fazit
Die Vorstellung neuer Funktionen durch Snowflake, darunter Snowflake Cortex, Copilot, Document AI Notebooks, unterstreicht das Engagement des Unternehmens für Innovation. Auch wenn die Ankündigungen data den aktuellen GenAI-Trends entsprechen, ist es unerlässlich, ihnen mit Vorsicht zu begegnen. Bemerkenswert ist, dass bestimmte Funktionen, obwohl sie bereits vor langer Zeit angekündigt wurden, noch immer nicht in allen Umgebungen allgemein verfügbar sind. Lassen Sie uns diese Innovationen schließlich mit offenem Geist und vorsichtigem Optimismus angehen, bereit, die Möglichkeiten zu nutzen und gleichzeitig auf dem Boden der Realität zu bleiben.
